工欲善其事：深度学习项目中的工具使用
软件工程
2024-05-29 v2 机器学习
摘要
深度学习方法与技术的日益流行重新激发了人们对SE4DL（面向深度学习的软件工程，即软件工程（SE）实践在深度学习软件上的应用）这一主题的兴趣。尽管数据驱动且非确定性的深度学习软件范式带来了新颖的工程挑战，但致力于开发面向DL的SE工具的工作甚少。另一方面，解决DL特有非SE问题的工具在“MLOps（机器学习运维）工具”这一总称下被积极使用并提及。尽管如此，现有文献支持常规SE工具在DL软件开发中的效用。基于先前关于开源软件工作中工具使用的挖掘软件仓库（MSR）研究，我们识别出使用Python作为主要编程语言的流行应用型DL项目所采用的常规与MLOps工具。我们所检查的GitHub仓库中约63%包含至少一种常规SE工具。软件构建工具采用最为广泛，而管理工具与维护工具则相反。发现的MLOps工具相对较少，在74个样本的仅20个工具被用于至少一个仓库。其中多数为开源而非专有。TensorBoard这一工具在我们的研究中被发现用于约一半的仓库。因此，常规SE工具的广泛使用证明了其与DL软件的相关性。建议进一步研究MLOps工具的采用，关注特定工具类型的相关性、所需工具的开发，以及促进已有可用工具使用的方式。
引用
@article{arxiv.2310.19124,
title = {Good Tools are Half the Work: Tool Usage in Deep Learning Projects},
author = {Evangelia Panourgia and Theodoros Plessas and Ilias Balampanis and Diomidis Spinellis},
journal= {arXiv preprint arXiv:2310.19124},
year = {2024}
}